arXiv · 机器人与计算机视觉· Chaohong Guo, Xun Mo, Yongwei Nie, Fei Ma, Xuemiao Xu, Chengjiang Long·· 12 小时前AI 评分65
TAR:一种基于时间锚点约束的视频时序定位推理框架
TAR: Temporal Anchor-Constrained Reasoning for Video Temporal Grounding
AI 导读
该论文针对现有大视觉语言模型在视频时序定位任务中依赖结果监督导致的幻觉问题,提出 TAR 框架。该方法引入时间锚点作为透明可审计的检查机制,强制思维链过程持续对齐视觉证据并迭代校准预测,显著提升了推理的忠实度与最终准确率。研究还展示了利用标准 7B 模型自动采集高质量思维链数据的自举范式,实验表明其在视频时序定位任务上达到最先进水平且生成自主、渐进优化的推理痕迹。
来源:arXiv · 机器人与计算机视觉 · arxiv.org